Bayesian Log Linear Estimates for Three-Way Contingency Tables
三维列联表的贝叶斯对数线性估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：列联表和投票转移示例体现分类数据建模，但未明确建立离散选择行为模型，故不作对应分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
三维列联表的贝叶斯对数线性估计
- 研究问题
- 当三维列联表的主效应和各阶交互效应具有可交换性先验知识时，如何估计期望比例并探索非饱和子模型的拟合？
- 方法与思路
- 作者通过最大化后验分布估计对数线性模型效应，讨论估计方程的数值求解，并利用估计探索独立或条件独立子模型。
- 材料陈述的贡献
- 摘要称，该方法把二维列联表的相关工作扩展至三维，并指出既有文献对“无差别”情形的取值错误可能严重影响算法收敛。
- 阅读关注点
- 阅读全文时应核对可交换性先验的具体形式、后验众数的计算方法，以及“无差别”取值如何影响收敛和子模型判断。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明先验细节和拟合判断标准，皮肤癌与投票示例也不足以支持因果解释。
原文摘要
This paper presents a Bayesian method to estimate the expected proportions in a three-way contingency table appropriate when prior knowledge about the main, first and second-order interaction effects can be described by a particular kind of exchange ability assumption. The proposed Bayes estimates are calculated by finding those values of the effects which maximize the resulting posterior distribution and can be used to explore the possibility that a nonsaturated submodel, such as independence or conditional independence, fits the data. This extends the work of Leonard (1975) for two-dimensional tables. We discuss numerical strategies to solve the estimating equations and point out how an incorrect choice of values for the ‘indifference’ case, as made by previous authors, can have serious effects on the convergence of the algorithms. The method is exemplified by a survey on skin cancer and data on voting transitions in British elections.